The Prevalence of Sexual Assault Among Higher Education Students: A Systematic Review With Meta-Analyses
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sexual assault among higher education students has detrimental impacts on the health and educational outcomes of survivors. This systematic review aims to describe and synthesize the available quantitative evidence on sexual assault prevalence among this population. We searched Medline, EMBASE, Global Health, PsycINFO, Web of Science, ERIC, and CINAHL for studies published in English, French, Italian, and Spanish from database inception to August 2020 (updated May 2022). We screened studies using prespecified inclusion criteria for the population and context (registered higher education students), condition (self-reported sexual assault), and study design (quantitative survey). The Joanna Briggs Institute Critical Appraisal Checklist was used to assess study quality. Prevalence estimates disaggregated by type of sexual assault, gender identity, and world region were meta-analyzed using a random-effects model and reported following PRISMA guidance. We identified 131 articles, from 21 different countries. The meta-analyzed prevalence of sexual assault was 17.5% for women, 7.8% for men, and 18.1% for transgender and gender diverse people. Four types of sexual assault were identified: rape, attempted rape, forced sexual touching, and coercive sex. Forced sexual touching was the most common act experienced. The African Region had the highest prevalence estimates for women's sexual assault, and the Western Pacific region had the highest prevalence estimates for men's sexual assault. Higher education institutions, especially those outside of the United States, should commit to the implementation of surveys to monitor sexual assault prevalence and dedicate increased resources to supporting student survivors of sexual assault.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle